python - 如何在不同的DataFrame中映射系列

Question

我有两个数据框，一个保存数据集的大部分数据，第二个保存我稍后获得的一些附加数据。

鉴于下面的示例，我想替换存储在 df_main.b 中的值与 df_additional.b 中找到的值我应该通过使用列 order_id 下找到的映射来知道要使用哪些值，存在于两个数据框中。

In [385]: df_main = pd.DataFrame({'order_id':['A1', 'A2', 'A3', 'A4', 'A5', 'A6', 'A7'], 'b':[1,2,3,4,5,6,7], 'c':np.random.randn(7), 'd':np.random.randn(7)})

In [386]: df_additional = pd.DataFrame({'order_id':['A1', 'A2', 'A3', 'A5', 'A6', 'A7', 'A8'], 'b':['a','b','c','d','e','f','g']})

In [387]: df_main
Out[387]: 
   b         c         d order_id
0  1  0.460474 -1.092239       A1
1  2  0.872538  1.819610       A2
2  3 -0.343626 -2.493006       A3
3  4  0.489427  0.074341       A4
4  5 -1.690572  0.162746       A5
5  6 -0.851540  0.543129       A6
6  7 -0.559258 -0.170457       A7

In [388]: df_additional
Out[388]: 
   b order_id
0  a       A1
1  b       A2
2  c       A3
3  d       A5
4  e       A6
5  f       A7
6  g       A8

注意 df_main.order_id 中的值如何与 df_additional.order_id 不同.

我想要df_main.b转到np.nan对于 df_main 中存在的这些订单而不是 df_additional (例如 'A4' ，因此 df_main['b'][3] 应变为 np.nan )

我还想要 df_additional 中存在的所有订单并且不存在于 df_main 中可以忽略，df_main 中没有添加任何新内容。 .

最终输出应该是:

>>> final_version
   b            c         d order_id
0  a     0.460474 -1.092239       A1
1  b     0.872538  1.819610       A2
2  c    -0.343626 -2.493006       A3
3  NaN   0.489427  0.074341       A4
4  d    -1.690572  0.162746       A5
5  e    -0.851540  0.543129       A6
6  f    -0.559258 -0.170457       A7

感谢您的帮助

编辑我已经尝试过 np.where()结果如下:

In [389]: df_main.b = np.where(df_main.order_id == df_additional.order_id, df_additional.b, np.nan)

In [390]: df_main
Out[390]: 
     b         c         d order_id
0    a  0.460474 -1.092239       A1
1    b  0.872538  1.819610       A2
2    c -0.343626 -2.493006       A3
3  NaN  0.489427  0.074341       A4
4  NaN -1.690572  0.162746       A5
5  NaN -0.851540  0.543129       A6
6  NaN -0.559258 -0.170457       A7

事情进展顺利，直到某个点，但似乎比较是按元素进行的，因此在某个点( 'A4' != 'A5' )失败，从那时起所有比较也都失败。是否可以使用某种形式的isin对于所有人order_id df_main 中的值，获取索引并为该索引检索 b值(？)

Answer 1

您正在寻找合并:

pd.merge(df_additional, df_main, how='right', on='order_id')

#Out[13]:
#   b_x order_id  b_y         c         d
#0    a       A1    1 -2.532221  0.702512
#1    b       A2    2  2.550224 -0.649286
#2    c       A3    3  0.737817  0.999865
#3    d       A5    5 -0.484483  1.153589
#4    e       A6    6  0.526035  0.335695
#5    f       A7    7 -0.901915 -1.312429
#6  NaN       A4    4 -0.905911  0.865345